[發明專利]一種景象適配性準則訓練樣本集生成方法

有效

• 申請號: 201810665397.4
• 申請日: 2018-06-26
• 公開（公告）號: CN109063731B
• 公開（公告）日: 2020-11-10
• 發明（設計）人: 云紅全;鞠雯;姜山;肖利平;徐力;張伯川;章啟恒;田振坡
• 申請（專利權）人: 北京航天自動控制研究所;中國運載火箭技術研究院
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 中國航天科技專利中心 11009
• 代理人: 徐輝

1.一種景象適配性準則訓練樣本集生成方法，其特征在于，步驟如下：

(1)獲取可見光衛星影像數據集合，令q為1；

(2)從衛星影像數據集合中，獲取第q幅場景圖像，設置掃描窗口及掃描步長；令f＝1；設置掃描窗口大小為320×256，單位為像素；設置掃描步長STEP＝16，單位為像素；

(3)對第f個掃描位置，截取掃描窗口大小的參考圖I，并且以參考圖I為中心，截取大于參考圖I的基準圖M；

(4)對參考圖I進行預處理，生成特征參考圖Z；

4.1對參考圖I，進行對比度拉伸消除光照對圖像的影響，生成圖像I₁；

4.2對圖像I₁進行高斯濾波，生成圖像I₂；

4.3對圖像I₂進行旋轉，生成圖像I₃；

將以左上角為原點的圖像I₂的坐標轉換為以圖像中心為原點；進行旋轉后，再轉換為以左上角為原點的圖像I₃；

4.4對圖像I₃縮放插值，生成帶尺度畸變的圖像I₄；

將圖像I₄中的待求像素坐標反向投影到插值前圖像I₃中，按照四鄰像素灰度距離加權后賦給待求像素，設(x，y)為待求像素坐標，(i+u，j+v)為投影到插值前圖像I₃中的坐標，i，j為整數，u，v為小數，p為原圖，則待求像素灰度的值為：

f(i，j)＝v*[(1-u)*p(i+1，j)+u*p(i，j)]+(1-v)*[(1-u)*p(i+1，j+1+u*p(i，j+1))]；

4.5對圖像I₄進行高斯模糊，生成帶成像噪聲的圖像I₅；

4.6對圖像I₅添加傅里葉噪聲，生成帶頻域噪聲畸變的特征參考圖Z；

1)對圖像I₅進行傅里葉變換，將其變換到頻域：

I₅→F(I₅)

2)對F(I₅)添加隨機噪聲：

F′(I₅)＝F(I₅)+rand(s)

其中，s表示噪聲的強度，rand(s)表示隨機噪聲；

3)再將F′(I₅)進行傅里葉反變換得到最終加噪圖像Z：

F′(I₅)→Z；

(5)特征參考圖Z和基準圖M進行相關面計算，并獲得相關面參數集；對參考圖I進行特征提取計算，得到特征參數集；

(6)將相關面參數集和特征參數集劃分為正負樣本，并加入訓練樣本集；

(7)判斷是否完成第q幅場景圖像所有掃描位置的掃描，如果沒有完成，則令f加1，返回步驟(3)；如果完成則進入步驟(8)；

(8)判斷是否完成衛星影像數據集中所有圖像的掃描，如果完成，則確定該訓練樣本集；如果沒有則令q值加1，返回步驟(2)。

2.如權利要求1所述的景象適配性準則訓練樣本集生成方法，其特征在于，掃描步長為8的整數倍像素單位。

3.如權利要求1或2所述的景象適配性準則訓練樣本集生成方法，其特征在于，基準圖M為參考圖I的2～4倍大小。

4.如權利要求1所述的景象適配性準則訓練樣本集生成方法，其特征在于，相關面參數集包括主峰高度，主次峰比和主峰八鄰域比。

5.如權利要求1所述的景象適配性準則訓練樣本集生成方法，其特征在于，特征參數集包括方差、梯度方向熵、累加梯度值和平均梯度強度。

6.如權利要求1所述的景象適配性準則訓練樣本集生成方法，其特征在于，劃分正負樣本的方法為：

設特征參考圖Z在基準圖M中的匹配真實位置為(x_m，y_m)，相關匹配的峰值坐標為(x_t，y_t)，距離的閾值為L_t；則樣本正負值S用以下公式表示：